Guide de démarrage rapide : Seeed Studio reCamera avec Ultralytics YOLO26#

reCamera a été présenté à la communauté de l'IA lors de YOLO Vision 2024 (YV24), l'événement hybride annuel d'Ultralytics. Il est principalement conçu pour les applications d'IA en périphérie et offre de puissantes capacités de traitement ainsi qu'un déploiement simple.

Grâce à sa prise en charge de diverses configurations matérielles et de ressources open source, il constitue une plateforme idéale pour le prototypage et le déploiement de solutions innovantes de vision par ordinateur en périphérie.

Pourquoi choisir reCamera ?#

La série reCamera est conçue spécialement pour les applications d'IA en périphérie et répond aux besoins des développeurs et des innovateurs. Voici ce qui la distingue :

• Performances propulsées par RISC-V : au cœur de l'appareil se trouve le processeur SG200X, basé sur l'architecture RISC-V, qui offre des performances exceptionnelles pour les tâches d'IA en périphérie tout en restant économe en énergie. Capable d'effectuer 1 billion d'opérations par seconde (1 TOPS), il gère facilement des tâches exigeantes comme la détection d'objets en temps réel.

• Technologies vidéo optimisées : prend en charge des normes avancées de compression vidéo, dont H.264 et H.265, afin de réduire les besoins en stockage et en bande passante sans sacrifier la qualité. Des fonctionnalités comme l'imagerie HDR, la réduction du bruit 3D et la correction de l'objectif garantissent un rendu professionnel, même dans des environnements difficiles.

• Double traitement écoénergétique : tandis que le SG200X prend en charge les tâches d'IA complexes, un microcontrôleur 8 bits plus petit gère les opérations simples afin d'économiser l'énergie. reCamera est ainsi idéale pour les configurations alimentées par batterie ou à faible consommation.

• Conception modulaire et évolutive : reCamera repose sur une structure modulaire composée de trois éléments principaux : la carte centrale, la carte capteur et la carte de base. Cette conception permet aux développeurs de remplacer ou de mettre à niveau facilement les composants, tout en assurant la flexibilité et la pérennité des projets en constante évolution.

Installation rapide du matériel reCamera#

Suis les instructions de la page Premiers pas avec reCamera et sélectionne ton appareil (par exemple, reCamera 2002 Series, Gimbal ou HQ POE) pour ouvrir son guide de démarrage rapide et effectuer sa configuration initiale, notamment la connexion de l'appareil à un réseau et l'accès à l'interface Web Node-RED pour prévisualiser rapidement les résultats de détection.

Inférence avec les modèles YOLO26 préinstallés#

reCamera est livrée avec quatre modèles Ultralytics YOLO26 préinstallés ; il te suffit de choisir le modèle souhaité dans le tableau de bord Node-RED.

• Détection (YOLO26n)
• Segmentation (YOLO26n-seg)
• Classification (YOLO26n-cls)
• Estimation de pose (YOLO26n-pose)

Étape 1 : si tu as connecté reCamera à un réseau, saisis son adresse IP dans un navigateur Web pour ouvrir le tableau de bord Node-RED. Si tu as connecté reCamera à un PC via USB, tu peux saisir 192.168.42.1. Tu verras alors que le modèle de détection YOLO26n est chargé par défaut.

Étape 2 : clique sur le cercle vert en bas à droite pour accéder à l'éditeur de flux Node-RED.

Étape 3 : clique sur le nœud model, puis sur On Device.

Étape 4 : choisis l'un des quatre modèles YOLO26n préinstallés, puis clique sur Done. Dans cet exemple, nous allons sélectionner YOLO26n Pose.

Étape 5 : clique sur Deploy et, une fois le déploiement terminé, clique sur Dashboard.

Tu peux maintenant voir le modèle d'estimation de pose YOLO26n en action !

Exporter vers cvimodel : convertir ton modèle YOLO26#

Si tu veux utiliser un modèle YOLO26 entraîné sur mesure avec reCamera, suis les étapes ci-dessous.

Ici, nous allons d'abord convertir un modèle PyTorch en ONNX, puis le convertir au format de modèle MLIR. Enfin, MLIR sera converti en cvimodel pour exécuter l'inférence sur l'appareil.

Exporter vers ONNX#

Exporte un modèle Ultralytics YOLO26 au format de modèle ONNX.

Installation#

Pour installer les paquets requis, exécute :

pip install ultralytics

Pour obtenir des instructions détaillées et connaître les bonnes pratiques liées à l’installation, consulte notre guide d’installation Ultralytics. Si tu rencontres des difficultés lors de l’installation des packages requis pour YOLO26, consulte notre guide des problèmes courants, qui propose des solutions et des conseils.

Utilisation#

from ultralytics import YOLO

# Charger un modèle YOLO26
model = YOLO("yolo26n.pt")

# Exporter le modèle au format ONNX
model.export(format="onnx", opset=14)  # crée « yolo26n.onnx »

Pour en savoir plus sur le processus d’export, consulte la page de la documentation Ultralytics consacrée à l’export.

Exporter ONNX vers MLIR et cvimodel#

Après avoir obtenu un modèle ONNX, consulte la page Convertir et quantifier des modèles d'IA pour convertir le modèle ONNX en MLIR, puis en cvimodel.

Benchmarks#

Bientôt disponible.

Applications concrètes de reCamera#

Les capacités avancées de vision par ordinateur et la conception modulaire de reCamera lui permettent de s’adapter à un large éventail de situations concrètes et d’aider les développeurs et les entreprises à relever facilement des défis uniques.

• Détection des chutes : conçue pour les applications de sécurité et de santé, reCamera peut détecter les chutes en temps réel. Elle est donc idéale pour les soins aux personnes âgées, les hôpitaux et les environnements industriels où une intervention rapide est essentielle.

• Détection des équipements de protection individuelle : reCamera peut contribuer à la sécurité au travail en détectant en temps réel le port des EPI. Elle permet de vérifier si les travailleurs portent un casque, des gants ou d’autres équipements de sécurité, réduisant ainsi les risques en milieu industriel.

• Détection des incendies : les capacités de traitement en temps réel de reCamera en font un excellent choix pour la détection des incendies dans les zones industrielles et résidentielles, avec des alertes précoces pour prévenir les catastrophes potentielles.

• Détection des déchets : elle peut également être utilisée pour détecter les déchets, ce qui en fait un excellent outil pour la surveillance environnementale et la gestion des déchets.

• Détection de pièces automobiles : dans les secteurs de la fabrication et de l’automobile, elle aide à détecter et à analyser les pièces automobiles pour le contrôle qualité, la surveillance des chaînes de montage et la gestion des stocks.

FAQ#